← 返回起始笔记位置

知识卡片

结构图卡 · 9598.k · 生成模型:DeepSeek-V4.1-Flash

循环矩阵把求逆变成点乘

理解等级:高级

KCF 的速度来自循环矩阵与频域计算。以基础样本 x 构造置换矩阵 P,循环移位得到 x、Px、…、P^{n-1}x,堆成循环矩阵 X;这样的矩阵可被离散傅里叶矩阵对角化,于是求岭回归闭式解不必做矩阵求逆,只需在频域做元素级运算。分类器是非线性的,解 w 表示为映射样本的线性组合,系数 α 由核矩阵 K 求得;采用高斯核时 K 也是循环矩阵,α 的求解同样落到频域。检测时把候选样本 z 也做循环移位,计算核相关 Kz 与 α 的乘积,逆变换回时域得到响应向量 f(z),其最大值对应目标位置。为什么可行:循环结构把“密集采样+逐样本计算”变成一次卷积。边界:它引入边界效应,并要求样本近似平稳;严重形变会破坏循环假设。

结构图:

flowchart LR
  A[前一帧位置定搜索窗] --> B[提取HOG特征]
  B --> C[与分类器做核相关]
  C --> D[得到响应图]
  D --> E[峰值即目标位置]
  E --> F[在该位置取样本训练]
  F --> A
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第6章 人脑视觉系统的记忆机制及其应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt006.html) - 结论依据:KCF 的速度来自循环矩阵与频域计算。 - 原始内容:构成循环矩阵X=[x,Px,…,Pn-1x]T。基于循环矩阵的特性,利用式(6.3)进行傅里叶变换,从而避免后续矩阵求逆的过程